随着车载社交网络的快速发展,车载社交网络中的信息安全问题已成为近年来的研究热点。目前,信息安全问题的研究主要集中在信任评估、认证机制、隐私保护等几个方面。其中,信任评估机制在车载社交网络安全中扮演着至关重要的角色。然而,现有的车辆节点信任评估方法主要是基于节点历史通信行为对其信任度进行评估,并未考虑社交属性对节点信任评估造成的影响,车辆节点的信任评估准确性有待提高。本文面向车载社交网络,提出了一种适用于车载社交网络的信任评估方法,该方法能够有效地抑制恶意信息的传播,提高整个网络的安全性能。本文的主要研究工作如下:(1)提出了一种基于用户兴趣相似度的社区发现算法。该算法通过挖掘车辆驾驶员的社交属性计算得到驾驶员之间的兴趣相似度,将兴趣相似度引入K-means社区发现算法,从而实现对车辆节点的社区划分。(2)提出了一种适用于车载社交网络的社交信任评估方法。为了对不同社区的节点进行信任评估,结合(1)中设计的社区发现算法,将社交信任分为社区内信任和社区间信任。在社区内,通过挖掘驾驶员的社交属性特征,引入节点交互频率、亲密度和相似性三个社交因子进行社交信任计算。在社区间,基于节点的度中心性、中介中心性和社交距离对其进行可信评估。(3)本文构建了一种适用于车载社交网络的混合信任评估机制。该机制分析了车辆的通信行为和驾驶员的社交行为,构建了通信信任模块和社交信任模块,实现对车辆节点信任的准确评估。在ONE仿真平台上对所提出的信任评估机制进行实验对比分析,仿真结果表明本文提出的信任评估机制具有较高的投递率,减少了网络开销,提高了车辆节点信任评估的准确性,改善了网络传输的性能。